sarana kesehatannya adalah daerah yang memiliki puskesmas sama dengan atau lebih dari jumlah rata-rata puskesmas di Kabupaten Bogor yaitu Kecamatan
Nanggung, Leuwiliang, Pamijahan, Cibungbulang, Ciampea, Dramaga, Ciomas, Cisarua, Sukaraja, Babakan Madang, Tanjungsari, Cileungsi, Gunung Putri,
Citeureup, Cibinong, Gunung Sindur, Rumpin, Cigudeg, Parung Panjang. Kecamatan yang kurang memadai fasilitas pelayanan dasarnya yaitu
Leuwisadeng, Tenjolaya, Tamansari, Cijeruk, Cigombong, Caringin, Ciawi, Megamendung, Sukamakmur, Cariu, Jonggol, Klapanunggal, Bojonggede,
Tajurhalang, Kemang, Rancabungur, Parung, Ciseeng, Sukajaya, Jasinga, Tenjo.
5.2. Hasil Analisis Faktor
Berdasarkan hasil output diketahui bahwa nilai uji KMO sebesar 0,861 artinya bahwa data yang digunakan dinyatakan baik untuk dianalisis lebih lanjut
dengan analisis faktor. Berdasarkan nilai akar ciri yang mencerminkan peran tiap peubah terhadap total keragaman dan keragaman data yang bisa dijelaskan,
didapatkan dua komponen utama yang mempunyai nilai akar ciri lebih besar dari satu
seperti terlihat pada Tabel 5.1. Kedua komponen tersebut memegang peranan penting sebagai penyebab adanya keragaman data.
Tabel 5.1. Nilai Akar ciri, Persentase Keragaman Data
dan Persentase Kumulatif Keragaman Data Faktor
Nilai Akar Ciri Keragaman Data
Kumulatif Keragaman Data
1 2
3 4
1 7,152
59,601 59,601
2 1,623
13,522 73,123
Kedua komponen tersebut mampu menerangkan keragaman total sebesar 73,12 persen dengan rincian sebagai berikut:
faktor 1 menerangkan keragaman total sebesar 59,6 persen dengan nilai akar ciri 7,152;
faktor 2 menerangkan keragaman total sebesar 13,52 persen dengan nilai akar ciri 1,623.
Kedua komponen utama tersebut menghasilkan matrik loading faktor yang tidak berkorelasi satu sama lain dan nilai-nilainya merupakan koefisien korelasi antara
peubah dengan faktor-faktor tersebut. Bila dilihat peubah-peubah yang berkorelasi tinggi terhadap setiap faktornya, ternyata loading faktor yang dihasilkan belum
mampu memberikan arti sebagaimana yang diharapkan. Tiap faktor masih sulit diinterpretasikan dengan sejelas-jelasnya.
Tabel 5.2. Rotasi Faktor
Peubah Komponen
Zscore 1
2 Jumlah dokter
0.910 -0.233
Jumlah penduduk 0.908
-0.161 Jumlah KUD
0.896 -0.241
Jumlah SLTP 0.877
-0.046 Jumlah SLTA
0.847 -0.035
Jumlah petugas kesehatan 0.846
-0.205 Jumlah industri
0.814 -0.248
Jumlah restoran 0.740
-0.361 Jumlah puskesmas
0.730 0.266
Jumlah tokomini market 0.674
0.107 Produksi padi
-0.189 0.858
Luas wilayah 0.008
0.832 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.
Tabel 5.2. adalah hasil rotasi faktor, agar setiap faktor dapat diinterpretasikan maka perlu dilakukan rotasi dengan metode rotasi tegak lurus
varimax yang membuat total keragaman data dari loading faktor menjadi maksimum dan setiap peubah hanya masuk dalam satu faktor saja dimana nilai
korelasinya paling tinggi. Hasil dari rotasi varimax ini diperoleh matrik loading faktor baru yang sanggup memberikan interpretasi yang diinginkan.
Dari tabel di atas terlihat bahwa setiap peubah akan berkorelasi tinggi dengan salah satu faktor dengan uraian sebagai berikut:
a. faktor I,
terdapat beberapa peubah yang mempunyai korelasi tinggi dengan faktor ini. Peubah-peubah tersebut ialah jumlah dokter yang berkorelasi positif
dengan nilai yang besar yaitu sebesar 0,910, jumlah penduduk yang berkorelasi positif dengan nilai 0,908, jumlah KUD yang berkorelasi
positif dengan nilai 0,896, jumlah SLTP yang berkorelasi positif dengan nilai 0,877, jumlah SLTA yang berkorelasi positif dengan nilai 0,847,
jumlah petugas kesehatan yang berkorelasi positif dengan nilai 0,846, jumlah industri besar sedang yang berkorelasi positif dengan nilai 0,814,
jumlah restoran yang berkorelasi positif dengan nilai 0,740, jumlah puskesmas yang berkorelasi positif dengan nilai 0,730 dan jumlah toko
dan minimarket yang berkorelasi positif dengan nilai 0,674. Faktor ini berkorelasi tinggi positif dengan peubah fasilitas pendidikan, jumlah
industri, jumlah penduduk fasilitas kesehatan, tenaga kesehatan dan sarana
perdagangan maka faktor I dapat diidentifikasikan sebagai faktor potensi penduduk dan sarana sosial ekonomi;
b. faktor II,
peubah-peubah yang mempunyai korelasi tinggi dengan faktor ini ialah produksi padi sawah berkorelasi positif dengan nilai sebesar 0,858 dan
luas wilayah yang berkorelasi positif sebesar 0,832. Peubah produksi padi dan luas wilayah mencerminkan jumlah rata-rata produksi padi
diidentifikasikan sebagai faktor produksi padi. Kedua faktor masing-masing sudah diidentifikasi yaitu: 1 faktor potensi
penduduk dan sarana sosial ekonomi; serta 2 faktor produksi padi. Kedua faktor tersebut yang akan digunakan untuk mengelompokkan kecamatan di Kabupaten
Bogor.
5.3. Hasil Analisis
